English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Technische Entwicklungen wie Datensammler und Analysewerkzeuge ermöglichen neue Optimierungspotenziale in der Produktion. Ein gutes Beispiel dafür ist das Themenfeld Data Science. Big-Data-Analysen oder Data-Science-Projekte können aus großen Datenmengen Hinweise und Optimierungspotenziale in der Produktion aufdecken. Für die Datenanalyse hat sich in Wissenschaft und Praxis der CRISP-DM-Ansatz durchgesetzt. Dieses Vorgehensmodell bietet eine gute Unterstützung für Data-Science-Projekte mit nützlichen Methoden und Werkzeugen zur Datenanalyse. In der Praxis ist jedoch oft zu beobachten, dass diese Projekte häufig von Datenexperten durchgeführt werden und die Verknüpfung von langjährigem Prozesswissen fehlt. In diesem Beitrag wird als Lösung eine Kombination von Prozessoptimierungsmethoden aus dem Lean-Management- und Six-Sigma-Werkzeugkasten sowie Projektmanagement-Methoden für jede Phase des CRISP-DM-Ansatzes vorgestellt.

Expertengestützte Data-Science-Projekte für die Produktion: Integration von Expertenwissen durch Prozessoptimierungsmethoden